
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 다루었습니다. 실행 시점 정책 평가와 감사 로깅을 담당하는 AgentSecOps와 PDP·PBAC·PEP·PIP 구조를 제안했습니다.

AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 다루었습니다. 실행 시점 정책 평가와 감사 로깅을 담당하는 AgentSecOps와 PDP·PBAC·PEP·PIP 구조를 제안했습니다.

AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 설명했습니다. 실행 시점 정책 평가와 감사 로깅을 중심으로 AgentSecOps와 MCP 기반 통제 구조를 제안했습니다.


GPT를 다음 단어를 예측하는 모델로 쉽게 풀어 설명했습니다. Transformer 디코더만 사용하는 구조와 LLaMA 예시를 통해 Base Model 개념을 소개했습니다.

생성형 AI 이미지 품질을 자동 평가하고 블랙박스 최적화로 하이퍼파라미터를 탐색한 사례를 다뤘습니다. 수작업을 줄이고 결과 신뢰도를 높였지만, 스타일 판별 지표는 추가 보완이 필요했습니다.


Qwen3의 Hybrid Thinking mode를 소개하고, 추론 On/Off를 제어하는 두 가지 방식을 설명했습니다. `/think`·`/no_think`와 `enable_thinking`의 동작 차이도 정리했습니다.

FE 뉴스 25년 5월 소식과 주요 프론트엔드 기술 동향을 소개했습니다. React Compiler RC, 최신 JavaScript 기능, LLM-first Web Framework 사례를 함께 다뤘습니다.


Reasoning 모델의 개념과 학습 방법, 성능 특징을 정리하고 AI 검색 고도화 방향을 소개했습니다. 질문 특성에 따라 Reasoning과 Non-Reasoning 모델을 선택해 정확도와 속도를 함께 높이는 방안을 다뤘습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Amazon OpenSearch Service의 LTR 플러그인으로 BM25 결과를 재정렬해 검색 품질을 높이는 과정을 소개했습니다. Bedrock, RankLib, NDCG 평가를 통해 학습·배포·비교 흐름을 실습 형태로 설명했습니다.


안드로이드 기기에서 LLM을 직접 구동하는 MLC LLM 활용 방법을 소개했습니다. 환경 구축부터 샘플 앱 빌드, 모델 변환과 배포까지의 흐름을 정리했습니다.

MCP의 개념과 동작 구조를 설명하고, LINE Messaging API로 브로드캐스트용 MCP 서버를 만드는 방법을 소개했습니다. 또한 Claude 데스크톱과 연동해 실제 메시지 전송과 외부 MCP 서버 조합 사례까지 보여주었습니다.

인공지능 연산을 빠르게 처리하기 위한 전용 하드웨어로 NPU를 소개했습니다. CPU와 GPU의 역할과 한계를 짚으며 AI 효율 극대화 관점을 설명했습니다.

카카오 카나나 조직이 멀티모달 언어모델 Kanana-o를 소개했습니다. 이미지와 음성을 함께 다루는 모델 개요를 다루는 글입니다.